tensorflow視訊學習筆記

阿新 • • 發佈：2018-11-30

卷積（Convolution）神經網路——影象，語言（具有連續性），視訊處理，自然語言處理，藥物分析，推薦relu激勵函式

迴圈（Reccurent）神經網路——資料的關聯，推薦relu和tanh激勵函式

激勵函式（activation function 掰彎利器——非線性）——必須是可微分的，這樣誤差才可反向傳播。神經網路有多層時，謹慎選擇激勵函式——需要考慮（涉及梯度爆炸，梯度消失的問題）

卷積（Convolution）神經網路——影象，語言（具有連續性），視訊處理，自然語言處理，藥物分析，推薦relu激勵函式迴圈（Reccurent）神經網路——資料的關聯，推薦relu和tanh激勵函式激勵函式（activation function 掰彎利器——非線性）——必須是可微分的，

註釋連結所有程式碼 # -*- coding: utf-8 -*- """ Created on Wed Apr 19 12:30:49 2017 @author: lg 同濟大學B406 """ import tensorflow as tf im

宣告：本系列文章是博主根據 “兄弟連新版Linux視訊教程”做的筆記和視訊截圖，只為學習和教學使用，不適用任何商業用途。 PS：如果對Linux感興趣，建議去看《細說Linux》，沈超老師和李明老師的教學風格我很喜歡：）視訊2.1-VMWare虛擬機器安裝與使用

浮動的特性：包裹與破壞包裹的特點：收縮堅挺隔絕，江湖人稱BFC 1.浮動具有破壞性，會讓父元素高度塌陷 2.浮動使高度塌陷不是bug，而是標準 3.浮動的原本作用僅僅是為了實現文字環繞效果 4. 給圖片加了float:left後， 5.清除浮動是清除浮動所帶來的的影響

1、tensorflow框架基礎問題 ①tensorflow-gpu版環境配置為了在伺服器GPU上進行加速運算，安裝tensorflow-gpu版，安裝預設gpu版本之後發現tensorflow無法使用，在於最新tensorflow-gpu版與伺服器已有的NVIDIA平行計算架構CUDA9

監督學習：新增標籤。學習的目標是求出輸入與輸出之間的關係函式y=f(x)。樸素貝葉斯、邏輯迴歸和神經網路等都屬於監督學習的方法。監督學習主要解決兩類核心問題，即迴歸和分類。迴歸和分類的區別在於強調一個是連續的，一個是離散的。非監督學習：不新增標籤。學習目標是為了探索樣本資料之間是否

資料集：MNIST 啟用函式：Relu 損失函式：交叉熵 Optimizer：AdamOptimizer 視覺化工具：tensorboad 迭代21epoch，accuracy結果如下： Iter 16,Testing Accuracy:

一句話：CPU大量用於資料搬運而非數值運算，用流水線和分支提高效率周斌老師：NVIDIA CUDA初級教程視訊第2集【計算機組成原理】 Q：什麼是CPU? A：是執行指令、處理資料的器件，用於完成基本的邏輯和算術指令，現在增加了複雜功能（記憶體介面、外部裝置介面），包含大量電晶體（上

1.[STAThread()] 代表單執行緒 2.using語句允許程式設計師指定使用資源的物件應當何時釋放資源 3.Border 一般用於裝載面板 Padding 邊框和內部內容中間新增空間 CornerRadius可以使邊框具有一個圓角 4.DockP

1.文字控制元件普通文字框控制元件 TextBox VerticalScrollBarVisibility 是否顯示滾動條選中字元開始 this.TxtSelection.SelectionStart 選中字元開始 this.TxtSelection.SelectionE

** 首先，需要一個anaconda並安裝tensorflow，具體安裝方法如下： Anaconda 是一個用於科學計算的 Python 發行版，支援 Linux, Mac, Windows, 包含了眾多流行的科學計算、資料分析的 Python 包。

精進第一週1.0，觀看Axure視訊學習筆記: **授課人：zsp** 1.從安裝開始：安裝連結：https://mp.weixin.qq.com/s?__biz=MzIwMjE1MjMyMw==&mid=502715211&idx=1&

宣告：本系列文章是博主根據 “兄弟連新版Linux視訊教程”做的筆記和視訊截圖，只為學習和教學使用，不適用任何商業用途。 PS：文章基於Linux版本CentOS6.9，如果對Linux感興趣，建議去看《細說Linux》，沈超老師和李明老師的教學風格我很喜歡：） 4.

Tensorflow學習中，在學習了基礎知識和建立簡單模型後，發現可以利用已有函式retrain.py直接採取一個Inception V3架構模型訓練ImageNet影象和訓練新的頂層。這個運用可以不需要基礎就運用起來，如果想認識retrain.p

/*************************************************************************************/ 此部落格

1、CUDA(compute unified device architecture)可用於平行計算: GTX1060 CUDA核心數：1280 視訊記憶體大小：6G 2、隨機梯度下降：計算偏導數需要的計算量很大，而採用隨機梯度下降（即採用取樣的概念）從中提取一部分樣

1. 寫在前面最近在看莫煩PYTHON的Tensorflow教程，個人比較喜歡他的視訊風格，也推薦大家可以去他的部落格[CLICK HERE]進行學習。不過我自己看到RNN部分時遇到了一些麻煩，所以在這裡記錄一下自己的理解，如果你對RNN和LSTM有所疑惑也

這個DEMO是參考了TensorFlow.js官網的教程，融合了一些自己的實現。具體效果是怎麼樣的呢？少廢話，先看東西：這是一個二次函式曲線的擬合，效果我個人覺得還可以。為了實現這個效果，首先我們得有要有資料，不然我們擬合什麼？資料就是下圖所示的這些散點

深度殘差網路：主要應用於計算機視覺——影象分類、語義分割（semantic segmentation）、目標檢測（object detection），其主要是使用CNN進行改造。何愷明老師有一篇文獻《Deep Residual Networks——Deep learnin

JPA 一、 06年就出來了 Java Persistence API 是Sun官方提出的Java持久化規範為開發人員提供一種物件/關係對映工具來管理java應用中的關係資料作用：簡化現有持久化開發工作整合ORM技術 A